[發明專利]基于招標信息的中標信息匹配方法、系統、設備及介質

有效

• 申請號: 202210544779.8
• 申請日: 2022-05-19
• 公開（公告）號: CN114741482B
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 賈新;李善平;田小亮;李俊亮
• 申請（專利權）人: 北京拓普豐聯信息科技股份有限公司;北京劍魚信息技術有限公司;河南拓普計算機網絡工程有限公司;合肥拓普網絡系統工程有限責任公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/383;G06K9/62;G06Q30/08
• 代理公司: 鄭州德勤知識產權代理有限公司 41128
• 代理人: 武亞楠

1.一種基于招標信息的中標信息匹配方法，其特征在于，包括以下步驟：

確定招標文本數據，從所述招標文本數據中獲取目標特征信息；

基于所述招標文本數據的目標特征信息與歷史中標文件數據庫中各個公司的歷史中標文件中的目標特征信息，篩選出N個目標公司；

調用第一預設數據模型，計算出所述招標文本數據中的標的物以及每個目標公司的歷史中標標的物之間的相似度，作為對應目標公司的特征值Ⅰ；

調用第二預設數據模型，計算出所述招標文本數據中的標的物與每個目標公司的歷史中標標的物所屬行業之間的匹配度，作為對應目標公司的特征值Ⅱ；

調用第三預設數據模型，計算出所述招標文本數據中的招標金額與每個目標公司的歷史中標項目金額之間的匹配度，作為對應目標公司的特征值Ⅲ；

調用第四預設數據模型，計算出所述招標文本數據中的招標項目所在城市位置以及每個目標公司的歷史中標項目所在城市位置之間的匹配度，作為對應目標公司的特征值Ⅳ；

調用第五預設數據模型，根據每個目標公司的注冊年限數值和歷史中標金額中值，計算出每個目標公司的特征值Ⅴ；

調用第六預設數據模型，根據每個目標公司的中標項目所屬行業歷史中標總金額和公司歷史中標總金額，計算出每個目標公司的特征值Ⅵ；

調用第七預設數據模型，根據每個目標公司的區域歷史中標累計次數和區域歷史中標總金額，計算出每個目標公司的特征值Ⅶ；

調用第八預設數據模型，根據每個目標公司的全國歷史中標累計次數和全國歷史中標總金額，計算出每個目標公司的特征值Ⅷ；

根據N個目標公司的特征值Ⅰ、特征值Ⅱ、特征值Ⅲ、特征值Ⅳ、特征值Ⅴ、特征值Ⅵ、特征值Ⅶ和特征值Ⅷ，構建N個待測數據矩陣：

將N個待測數據矩陣輸入預置的深度學習推薦模型，獲得N個目標公司的推薦評分；所述深度學習推薦模型包括依次設置的K級殘差網絡單元和評分層，每級殘差網絡單元均包括依次設置的連接層Ⅰ、激活層Ⅰ、連接層Ⅱ、激活層Ⅱ、修正層和激活層Ⅲ，所述評分層包括依次設置的連接層Ⅲ和激活層Ⅳ；

將N個待測數據矩陣輸入預置的深度學習推薦模型獲得N個目標公司的推薦評分時，執行：

將所述待測數據矩陣輸入第一級殘差網絡單元的連接層Ⅰ進行升維處理，將升維后的待測數據矩陣輸入第一級殘差網絡單元的激活層Ⅰ進行稀疏化處理，得到特征矩陣Ⅰ；

將所述特征矩陣Ⅰ輸入第一級殘差網絡單元的連接層Ⅱ進行降維處理，將降維處理的特征矩陣Ⅰ輸入第一級殘差網絡單元的激活層Ⅱ進行稀疏化處理，得到特征矩陣Ⅱ；

將所述特征矩陣Ⅱ和所述待測數據矩陣輸入所述修正層，獲得特征矩陣Ⅲ；將所述特征矩陣Ⅲ輸入所述激活層Ⅲ，獲得第一目標特征矩陣；

將所述第一目標特征矩陣輸入第二級殘差網絡單元，獲得第二目標特征矩陣，將所述第二目標特征矩陣輸入下一級殘差網絡單元進行特征提取，直至獲得第K目標特征矩陣；

將所述第K目標特征矩陣輸入所述深度學習推薦模型的評分層，獲得對應目標公司的推薦評分；

對N個目標公司的推薦評分進行排序，將前M個目標公司信息作為匹配結果進行輸出，其中，M≤N。

2.根據權利要求1所述的基于招標信息的中標信息匹配方法，其特征在于：所述連接層Ⅰ的輸入通道數為8，所述連接層Ⅰ的輸出通道數為16，所述連接層Ⅱ的輸入通道數為16，所述連接層Ⅱ的輸出通道數為8；所述連接層Ⅲ的輸入通道數為8，所述連接層Ⅲ的輸出通道數為2；

所述激活層Ⅰ、所述激活層Ⅱ和激活層Ⅲ采用Relu激活函數，所述激活層Ⅳ采用Sigmoid激活函數。

3.根據權利要求1所述的基于招標信息的中標信息匹配方法，其特征在于，所述第一預設數據模型的計算公式為：

E_Ⅰ=（S_MAX1+ S_MAX2+…+ S_MAXw）÷w

其中，E_Ⅰ表示特征值Ⅰ，S_MAXi表示招標標的物集合中第i個招標標的物對應的相似度最大值，w表示招標標的物集合中的元素個數。